CTO直下の精鋭チームで、AIの未来を実装する

僕は今、CTO直下の「AI Embedded」というチームに所属しています。全社横断的なレコメンドエンジンや、AIエージェントの開発を担当する部署です。バックエンドエンジニアとして採用されましたが、今のチームではPython/FastAPIの実装に留まらず、機械学習プラットフォームのVertex AIや、インフラ構成をコードで管理するPulumiなど、Google Cloudを基盤としたかなり幅広い技術スタックに触れています。まさに最先端の環境ですね。

今のレベルに到達するまでには、入社前から段階的なステップがありました。まずは2月頃までの「内定者インターン」で『スポットバイトル』のチームに入り、実際にリリースされるコードを書く経験をさせてもらいました。実務の空気感に触れた後、4月からの「エンジニア新卒研修」で基礎を学びました。

この研修は、新卒エンジニア5人で社内ツールの開発から運用までをスクラム開発ですべて自分たちで行うというものです。単に作るだけでなく、スクラム開発やDDD（ドメイン駆動設計）、クリーンアーキテクチャといった高度な設計手法を徹底的に教えていただきました。CTO協会主催の新卒研修にも参加しましたし、ここでAIによるコーディングの試行錯誤もみんなで行ったんです。自分たちが作ったものが今も社内で使われているのは嬉しいですし、常に先輩エンジニアからフィードバックをいただいていたので、確実にスキルが上がりました。

学生時代はGoを使っていたので、配属後にPythonを使うことになった際は、とにかく「筋トレ」のようにインプットと実装を繰り返しました。実はPythonはあまり使ったことがなくて、当初は動的型付けと静的型付けの違いに戸惑うこともありましたが、分からないことはすぐに先輩に聞くと決めていました。単に答えを聞くのではなく、「なぜこの設計なのか」「長期的な保守性をどう考えているか」といった意図まで深掘りして聞き、それをその日のうちにコードに落とし込む。本で学んだことを翌日の実装に即反映させるサイクルを回し続けたことで、速いスピードで実力がつく手応えがありました。社内でみんなが情報共有していますし、キャッチアップの機会はたくさんあったので、常に吸収するつもりで取り組んでいました。

「動けばいい」から、「事業価値」へ

学生時代の開発との一番の違いは、「コードに対する責任」ですね。当時はとにかく「動けばよし」でした。でも社会人は、自分が書いたコードがリリースされ、何百万人のユーザーに影響を与えるという事実に、早い段階で向き合うことになります。バグが出れば100万人が困る。そう考えると、保守性やエラーハンドリング、ログ設計など、学ぶべき領域が学生時代の2倍、3倍に増えました。単に動くものを作るのではなく、「保証できるものを作る」というプロの意識への転換が最大の成長だったと感じます。

また、技術面だけでなく「ビジネス視点」も重要視しています。というのも、配属当初はビジネスの領域がよく分からず、「何のためにこれをやるのか（Why）」が見えない状態で作業をしてしまったことがあったんです。その時、先輩から「それって本当に意味があるのか？」「儲かるのか、プラスになるのかを自問自答したほうがいい」と教わりました。たとえ技術的に優れた実装でも、大元の目的を見失っていると、結局は手戻りが発生して悔しい思いをすることになる。それを痛感してからは、企画の方とのミーティングでも、背景や将来的な展望、他プロダクトとの連携を粘り強く聞くようになりました。

「AIを使う」の先。開発プロセスの全工程に「相棒」としてAIを組み込む

技術の先にある「目的」を掴むという視点は、現在のAI活用にも活かされています。出社してから退社するまで、常にClaude Codeを立ち上げ、まさに「相棒」として協業しています。

でも最初から使いこなせたわけではありません。最初はAIに丸投げしてしまい、意図しない挙動に悩むこともありました。そこから「AIにどう指示を出せば、ビジネスロジックを正確に反映できるか」を試行錯誤し、今は3つのレイヤーでAIを使い倒しています。

1つ目は「プランニングと実装」です。Issue（タスク）が立った段階で、Claude Codeのプランニングモードを使い、既存コードのコンテキストを読み込ませた上で実装方針を議論します。僕が「本質的なロジック」を定義し、AIが「ボイラープレート（定型的なコード）や周辺の実装」を高速で行うことで、開発スピードは劇的に向上しました。

2つ目は「自律的なコードレビュー」です。GitHub上に常駐させているAIが、プルリクエストに対して自動で一次レビューを行います。型定義の不備や例外処理の漏れ、さらには「Issueの意図とズレていないか」までチェックしてくれる。これで人間によるレビューの負担を大幅に減らし、クリエイティブな議論に集中できる環境を作っています。

3つ目は「ドキュメントとタスクの構造化」です。仕様書やスライドだけでなく、複雑なタスクをAIと一緒にMarkdown形式で整理し、そのままIssue化する。さらにはミーティングの合間に、AIに「このIssueを参考に、既存のコードから共通化できる部分を洗い出しておいて」と指示を出し、プルリクエストの作成まで裏側で走らせておくこともあります。人間がミーティングをしている間に、AIが作業を進めてくれている状態ですね。

ただ、AIに任せても「人間がボケっとしていていいわけではない」んです。AIが生成した内容を、自分が最初から最後まで説明できるか。自分の意志が反映されているか。常に検証し続ける必要があります。実は、AIを使いこなそうとすればするほど、考える総量は変わらないか、むしろ増えている実感すらあります。技術的な作業をAIに任せられる分、人間は「この機能は本当にユーザーのためになるのか」「ビジネス的なインパクトはどこにあるのか」という本質的な問いに時間を割けるようになった、とも言えますね。

1年を振り返って

この1年を振り返って楽しい瞬間はたくさんあります。僕のチームは新卒の僕を含めて3人。小人数だからこそ「誰かがやるしかない」という緊張感があります。特に機械学習モデルのインフラ設定などで複雑なエラーに直面したときは苦戦しましたが、先輩が信じて待ってくれました。自分でエラーを切り分け、解決策を導き出し、それが本番環境に載ったときは、チームを支えている実感が持てて本当に楽しかったです。

最後になりますが、入社して驚いたのは、思っていた何倍も「若手にチャンスを与えてくれる組織である」ということです。研修や社内の勉強会もそうですし、日々の壁打ちや先輩への相談といったサポートもかなりありました。最先端のAI環境で、ビジネスを見据えた責任ある開発に挑戦したいという想いを持つ人には、ディップは最高の環境だと思います。

吉岡さんの1日のスケジュール